CAA 中科院院士郑南宁经典回顾认知过程的信息处理
和新型人工智能系统
认知过程的信息处理和新型人工智能系统摘要：本文对认知过程的信息处理进行了较为深入的讨论。阐述了智能机器原型与认知模型的关系,讨论了新型人工智能系统的研究方法,提出了认知科学和信息科学交叉的若干重要基拙研究内容,并进一步提出用混沌吸引子实现联想记忆的思想和新型人工智能系统结构。深入研究认知科学及其信息处理对发展我国21世纪的知识经济具有重大科学意义和应用前景。
一、引言知识创新是对未被人类认识的客观物质世界的正确描述,感知与认知的科学问题与之密切相关。人脑是我们所知道的最有效的生物智能系统,它具有感知、识别、学习、联想、记忆、推理等功能。研究人脑的这些功能并以机器来实现一直是科学发展中最有意义和极具挑战性的重大问题。人类大脑皮层的结构具备了复杂精确的分析与综合的能力并适应
人类抽象逻辑思维的需要。深入研究认知过程的信息处理和基于人类感知与认知机理的智能化信息处理将对整个自然
科学和技术科学产生深远和重大的影响。由于社会生产和实践的需要,人们对认知问题日益感兴趣。脑科学、信息科学、计算神经学和神经生理学等学科的发展,使得认知科学与信息科学相结合成为可能,形成了多学科交又研究的特点。基于
认知机理的智能信息处理在理论与方法上的突破,有可能带动未来信息科学突破性的发展。因此将认知科学与信息科学领域密切结合,加强我国在这一交叉学科领域的基础性、独创性的研究,解决认知科学和信息科学发展中重大基础理论问题,形成智能信息处理技术的科学基础,带动我国经济与社会发展中基础技术科学乃至国家安全所涉及的智能信息处理
关键技术的发展,并且为人类探索脑科学中的重大基础理论问题做出贡献都是非常迫切和必要的。经验主义和理性主义的模型与解释在很大程度上影响着人类的认知过程。因此,对于智能和机器的关系,应该合理地发挥经验的作用,从进化的角度把智能活动看成动态发展的过程。智能理论所面对的课题一般具有“环境一问题一目的一求解”的形式,将联结主义的神经网络理论、基于符号主义的专家系统理论和基于进化论的人工生命这三大研究领域有机地结合起来,有可能实现一类新型人工智能系统和智能化信息处理方法。新一代媒体(next media)和以计算机网络为基础的智能化通讯(intelligent communication)系统的研究与应用将成为21世纪信息科学与技术领域划时代的重要标志。人的语言、表情、姿态等都将被机器所理解,并转化成一系列指令,从而实现信息的获取与转送。随着机器的语言、图像等识别能力的提高,也会为信息系统提供新的安全技术。这些以自然语言和图像的理解为基础的认知过程的信息处理理论与实现技术的研
究已引起了许多国家的政府和科学家的广泛关注。近年来,国际信息科学界非常重视认知科学与智能信息处理的研究,
许多著名刊物纷纷出专辑探讨基于感知、认知的智能信号处理的理论和方法,比如:1997年Neural Networks杂志出专辑讨论“意识与神经网络”;1997年IEEE电路与系统汇刊讨论了非线性混沌理论、混沌信号处理与控制方法;1999年IEEE
神经网络汇刊出专辑讨论将神经网络模型、模糊推理和表示、概率推理等相结合的混合计算智能模型。特别是一批诺贝尔奖获得者(Circk F H, Eccles J C,Edelman G M,Josephson
B D)和著名的人工智能创始人Minsky M,他们在从事各自领
域的研究的同时,也都在探讨意识和认知问题。可见国际学术界对认知科学与信息科学的结合和交叉,以及智能化信息处
理新理论研究的重视,也表明认知过程的信息处理和新型人
工智能系统的研究和应用正处于一个新的发展时期的开端。我国的学者近几年也以极大的热情关注和正在从事这一前
沿科学的研究问题,并取得具有一定特色的研究成果,国家自
然科学基金委员会给予了极大的重视。二、认知模型(信息融合)本身就可作为一种智能机器的原型人类智能的发展经历着已有认知结构与不断发展的认知进行交互并互为因果的
超循环过程。研究表明,人类大脑皮层的结构具备了复杂精确的分析与综合的能力并适应人类抽象逻辑思维的需要。人对外部世界的认知过程,本质上是一个多传感信息的融合过程。
人脑通过对多通道信息的相互监督(self-supervision)完成学习,从而获得对外部事物的知识;通过对多传感信息的融合,实现对目标的识别与理解;并可以根据已有知识对各传感器实行控制。这种前馈和反馈过程的完美结合,使人脑具有极高的智能水平,即使在噪声环境下或传感信息不可靠时,人脑也能有效地完成其智能活动。这为构造智能系统提供了完美的典范。认知模型本身就可作为一种智能机器的原型,并能为新型的人工智能系统的设计提供新的科学依据和理论指导。长期以来,人们在信息处理中的认知模型和基于感知的智能化信息处理研究领域做了不少工作,取得了很大进展,但其水平距人们所期望的还相差甚远。这主要是由于所使用的方法与人脑的认知信息处理过程有着重大差别,如频谱分析方法、统计学方法和句法分析以及传统的人工智能方法等,不具有开放性、动态性和灵活性等智能信息处理方法所应有的特征,因而它们只在特殊的应用领域内取得有限的成功。目前认知科学所取得的成就主要集中在认知心理学理论和认知基本过程两方面。在认知心理学理论方面,将人脑看作类似于计算机的信息加工系统,将心理过程看作是符号序列的信息加工过程,由此提出“物理符号系统”和“平行分布加工”的观点。这两种观点极大地促进了信息科学的计算理论的发展。认知是由三个基本要素组成:记忆、注意和意识。关于“记忆”,Baddly 和Tulving分别提出了“工作记忆”和“多重记忆系统”的思想;
关于“注意”,Trasman提出了“特征绑定理论”;而关于“意识”,Baars提出了“整体工作空间理论(剧院模型)”。认知的载体是大脑,脑是一个复杂系统。脑的复杂性不仅表现在它是由大量的神经元(约1000亿个神经元)组成,更重要的是神经元间存在着异常复杂的联系,这些联系在方向上以多重前馈和反馈,在分布上以会聚和发散等多种形式,形成一个复杂的网络—脑。另一方面,脑的整体结构和功能也是复杂的。在结构上有分子、亚细胞、细胞、核团、系统等。而在功能上有不同层次、不同部位的神经元功能存在着区别。如视觉系统中不同的神经元,它们分别对由简单到愈来愈复杂的视觉图像(如运动、边缘、形状、颜色和纹理等)产生刺激和反应,并在脑皮层由这些反应得出外部世界的描述(图1)。生物视觉系统中这些功能不同的细胞已在动物中被揭示。而对人脑来说还可以有对不同抽象级别的概念响应的细胞。人类具有完善的视觉系统可以在瞬息感知外部世界, 这是智能化视觉信息处理系统的一个典范,其物质基础就是人的完美的视觉器官和复杂而完善的以神经元为基本组成单元的中枢神经系统。脑的基本功能即认知的信息处理功能是对环境信息作合适
的处理和存贮,并作出决策或反应。而脑功能的实现依赖于多个脑区大量神经元共同活动和整合(iintelligent),即作为一个系统而发挥作用。例`如人脑与鼠脑在分子层次上是相当一致的,但其高级功能有很大差别,这些差别是由于在神经元以上
层次的组织与联系的差别造成的,即是属于系统水平上的问题。因此,我们很难用分子生物学来解释感知、记忆和思维等脑的高级功能。目前,尽管脑科学和脑功能成像的研究已有了很大的进展,但要进一步了解脑的多样性和其信息处理的灵活性,揭示脑的性能和工作原理,我们在理论和实践上仍然面临着巨大的困难。当前的发展趋势是将认知科学、信息科学、神经科学交叉,探索人类复杂认知活动的神经和遗传学基础,研究人类认知过程的信息表达和整合,以及复杂社会和信息环境中的认知问题,从而为新的计算理论、信息处理的认知模型奠定科学基础。三、正确认识当代脑研究中的方法学和理论正确认识当代脑研究中的方法学和理论问题,对于认知过程中的信息处理和新型人工智能系统的发展具有十分重
要的理论和现实意义。传统的人工智能研究在类比人类智能活动的研究中已取得一系列成果。80年代初,美国MIT的Marr教授结合图像处理、心理物理学和神经生理学的研究成果,从信息处理系统的角度提出了第一个较为完整的视觉系统框架理论。近20年来,人们对Marr基本理论框架中所提出的各个研究层次与视觉系统的三个不同阶段(初级、中级和高级)中的各种功能模块进行了大量的研究。尽管Marr的这一理论已被大量的实践证明是不完善的,但在一些应用的层次上还是被广大的从事计算机视觉研究的学者们基本接受。迄今为止,脑认知功能研究的一些基本理论概括为以下要点:(l)
认知功能与脑结构间存在着定位关系,这已被脑功能成像的实验结果所证实;(2)脑细胞精细分工,检测外间世界的特征并以某种调频式编码表达这些特征;(3)对离散符号表征的信息加工由底至顶逐层进行,在高层中枢内实现着特征整合,大量特征的初期检测是并行性的,而特征整合是串行的,从并行到串行的变换由选择性注意机制加以控制;(4)脑与计算机异构同功,尽管两者的结构及物质基础具有巨大的区别,但进行智能活动的符号处理过程是相似的,因此人类智能是可计算的;(5)认知科学理论上可概括为物理符号论、亚符号论和模块论。近年来一些学者根据脑认知功能研究的新进展,对上述基本理论要点提出了不同的观点。如Gibson的生态心理学理论。他认为视觉认知过程不是被动地对环境的响应,而是一种主动行为。人们在环境信息的刺激下,通过眼动、走动,改变观察点,从动态的信息流中抽取不变性,在交互作用下产生知觉。这种观点被应用于近年来提出的主动视觉系统中(如图2)。生态理论或环境依存的认知理论提出:人的认知过程或智能并不是每个孤立个体脑内发生的符号加工过程;它不仅制约于生物界系统演化和人类个体发育、发展,还制约于人类社会文明发展。因此人脑与计算机无论就其结构还是功能过程而言都有巨大差别。对人类认知活动用现有的任何图灵计算以及简单的并行分布处理都无法揭露其全部实质。由此可见,生态理论强调人脑与电脑的本质差异,对认知科学理论发
生了重大冲击作用。
人脑是一个非完整信息处理系统,这一特征在感知的层次上是非常明显的。如视网膜上光感受器的分布式不均匀的。大部分光感受器位于中央黄斑区,以黄斑区为中心,随离心率的增长,光感受的分布密度迅速下降,呈现出一种形状扩散的格式(如图a3所示,Y. Zeevi等)。同时,对从视网膜到皮层的传输通路的研究也表明,视网膜是以一种拓扑方式投影到视觉皮层的,即特定的皮层区仅有其特定的感受野。皮层相当大的区域与中央视觉皮层有关。从图3a中可以清楚的看到以下特点:(l)视网膜中央凹的黄斑区内锥体细胞密度最大,有最高的光采样密度;(2)随着离心率的增大,锥体细胞分布密度降低,对形状和颜色的视觉信息处理能力也随之降低。以上说明了高等动物的视觉感知采样是非均匀的,形成一个非完整信息处理系统。图3b给出了应用小波变换实现的非均匀采样,这种采样方法使初期视觉计算模型更符合生物视觉机理,可真实模拟生物视网膜对视觉信息非均匀采样及生物视觉系统
所具有选择注意能力的特征,能进一步降低视觉计算复杂度。这种方法是建立在对生物视觉的实验和观察的基础之上的。事实上,人类的许多科学成就都来自对自然界中相应事物的观察和深人研究,例如人类研究了鸟类的飞行从而发明了飞机。同样,对信息的加工处理自然界也给我们提供了一个非常完美的范例—人脑。因而智能信息处理系统的研究离不开对
大脑认知功能深人全面的研究。自从人工智能形成一个学科以来,科学家们遵循着一条明确的指导思想,即研究和总结人类思维的普遍规律,并用计算机模拟它的实现。正如飞机并不是简单模拟鸟而发明的,因此智能信息处理系统的研究也不应该机械照搬人脑认知模式。人脑对单一传感信息的处理也表现出独特的性能。例如,在视觉信息处理中,人可以根据一些抽象描述(概念化符号)结合已有知识,经逻辑推理自顶向下准确地把握外部事物,这种通过对事物特征信息的整合来感知事物的绑定(bingding)机制,使人可以有选择地处理视觉信息。大脑在处理视觉信息的过程中,表现出高度的并行性(虽然这与通常意义的并行可能有很大的不同),可以有效地划分视觉任务,通过对局部信息的时一空整合(感舜野逐级综合)实现视觉感知,这是一个自底向上的过程,该过程具有明显的多尺度(scaling)特征。同时,串行计算在局部特征整合和逻辑推理中也起着重要的作用。大脑的选择性注意机制使视觉系统只注意景物中感兴趣的视觉激励而淡化背景,同时对一系列场景的变化也仅关注场景中的目标。人类认知的自底向上和自顶而下的闭环多层反馈式信息处理机制(如图4所示)和多传感信息的融合,并行与串行的相互交织,保证了大脑能高效准确地感知外部世界。
目前人对其自身智能活动的认识还处在较低的水平上,但随着神经生物学和神经生理学研究的不断深人,正逐步揭示出
可供机器智能研究借鉴的物质结构和信息处理机制。人的视觉、听觉、触觉等感觉器官分别接收外部世界的不同信息,这些信息经大脑处理后,获得对场景的理解。不同的感觉系统分别敏感于不同的信息,如视觉系统对景物或目标的空间位置、空一时对比度、形状和颜色等敏感,听觉则对信号的频率敏感,而触觉对物质或物体的材质和表面结构敏感,这些信息又在认知过程中相互印证(监督)。研究在智能机器系统中如何进行多传感信息的处理与融合是当前智能信息处理中所面临的非常重要的课题。大脑的思维能对信息进行创造性的加工,产生出人类的新信息、新知识。人的认知是从具体到抽象,从简单到复杂,从低级到高级的发展过程。这对探讨利用机器从浩瀚杂乱的网络环境中挖掘所需要的知识具有重要的借鉴意义。四、重要的基础研究内容1.复杂系统和信息环境中认知模型和行为控制在真实的复杂背景下,对认知过程进行整体、系统研究。根据人的认知所依赖的物质基础,建造类似的网络模型已成为研究者所追求的目标。网络的拓扑结构和系统规模都会直接制约其信息处理能力,如何实现网络结构的自动生长,建造适度规模的多模块系统是首先要解决的问题。要解决的另一个问题是如何控制各功能模块间的信息通讯和整合,使整个系统协调一致地工作。在复杂工业系统的故障快速处理、系统重构和修复,复杂环境中仿人机器人的设计和制造,社会系统中重大事变(战争、自然灾害、金
融危机等)的应急指挥和组织系统等都存在着如何适应外部世界不确定性的动态变化的问题。应用传统的人工智能方法解决这类问题遇到了无法逾越的障碍。而人类的行为特征,充分反映了对外界环境的反应和自适应能力。研究基于人类行为特征的信息处理原理和方法,即研究系统在不确定性动态环境中的反应能力和对外界事物充分感知的能力。(1)行为控制复杂系统的自动运行需要有效的控制机制来保证。基于传统人工智能方法的控制策略已不能适应真正意义的
自动系统。关于集感觉、认知和操作能力于一体的类人机器人(humanoid robots)的研究在国际上已受到了广泛的关注。这样的系统可以采用人机对话的方式接受任务,人的语言、手势、面部表情等都可以被机器所理解,并把它们转化为一系列控制指令。系统与人和环境的交互将成为该领域发展的突破口。人的肢体运动控制所依赖的认知基础的研究也对建造自治系统有重要的参考价值。(2)适应性行为机制与超维数学习用于信息处理的适应性行为机制与超维数学习
(trans-dimensional leaning)算法的研究是当前人工智能学
科正在形成的一个新的分支。在利用神经网络完成某种模式识别任务时,往往需要确定究竟哪种网络结构最适合于给定的模式识别问题,同时还需要给出网络的最小结构。此外,对于自治模式识别算法来说自身必须具备如何表示知识、如何学习新的知识的能力,而不需要人为干预。(3)自然语言加工
的脑机制人类学习语言的能力或辨认他人面孔的能力是人
脑的一种高级认知功能。人脑中一定存在着一套极其复杂的普遍语法规则,它以某种方式内化于人的大脑中,构成了人类认知能力的基础。创造和使用自然语言是人类高度智能的表现,对自然语言理解的研究有助于探索人类智能的奥秘和认识大脑思维的本质。(4)逆问题—病态问题求解人脑通过感觉器官感知外部世界,获取相应的知识;又根据有限的知识,经分析、判断、决策等思维活动进一步指导其感知过程。仅根据有限的知识去推知客观实在,实际上是一个病态问题。人可以根据其所处环境中的其它外部信息(约束条件)或启发获得问题的完满解答。在机器智能研究中经常遇到的数据恢复、模式识别等问题都是病态问题。寻求基于知识的逆问题求解算法将推动智能化信息处理理论与实现技术的研究。(5)信息环境的生态问题随着因特网的普及,数字媒体的版权保护成为一个迫切需要解决的问题。另外,有用和无用信息的指数级增长,人们对多媒体数据的检索、存储、加工等提出了更高的要求。通过知觉和学习功能来编写智能化软件;按需求获取散布于全球互联网的多媒体信息;通过视觉、听觉,自我判断外界情况,交互进行信息处理,理解信息内容;自动清除诸如网络上的有害信息;信息隐含,基于知识的图像理解,自然语言理解,通过自动学习并毫无矛盾地整理知识库的基础理论等。2.认知过程中的交互行为与选择注意机制人类感知的经验表明:
人具有从复杂环境中搜索特定目标,并对目标信息进行有选择处理的能力。这种搜索与选择的过程被称为注意力集中(focus attention)。在信息爆炸的时代,快捷有效地获取所需的信息是人类所面临的一大难题。如何将人的感知觉系统所具有的环境聚焦(enviroment focus)和自聚焦(self-focus)机制应用于多模块系统的学习,根据处理任务确定注意网络的输人,使整个系统在注意子系统的控制之下有效地完成信息处理任务,有可能为上述问题的解决提供新的途径。在主动计算机视觉中,选择注意可分为两个层次:由数据驱动、自底向上的独立于内容和语义的低级视觉注意;由知识驱动、自顶向下的基于内容和语义的高级视觉注意。对于基于纯数据驱动的视觉注意,感兴趣区域的选择与边缘、角度、曲率、对称性等特征的提取和整合有关;而基于内容语义的高级视觉注意则与视觉任务、物体和环境的知识有关,并且与模式识别和匹配密不可分,高级注意建立在低级注意的基础上并对低级注意具有反馈作用。然而以往的一些相关人工视觉研究主要都集中在低级视觉注意上,而在高级视觉注意以及低级注意与高级注意的互动方面所做的研究工作甚少。视觉注意机制应建立在高级注意和低级注意交互的基础上,从自底向上和自顶向下两个方向同时实现视觉注意。一些基础的研究问题有:选择与注意力集中机制;视觉皮层的反馈机制;感受野与非线性视觉处理等。交互行为理论是这样看待视觉问题的:首先视
觉不是孤立地起作用,而是复杂的行为系统的一部分;其次,视觉计算是动态的,通常并不需要一次将所有的问题都计算清楚,而是对所需要的信息加以计算;第三,视觉计算应该是自适应的,视觉系统的特性应该随着与外界的交互而变化。因此,交互行为理论认为,视觉计算是外界环境和视觉感知器共同作用的结果,两者缺一不可。一旦行为被认为是视觉计算的基本要素,通常表示就显得不重要了,有了行为的参与,一些计算问题如光流、表面方向和深度的计算通过行为假设就成为受约束的而变得易于解决。初级视觉中的全局和局部感知同样存在着交互行为。生物视觉感知中一个富有争议而尚无定论的重要问题是:生物对外部世界的感知过程中,全局性结构的感知先于局部性结构的感知还是反之。认为全局先于局部的研究者们以大量的纹理感知实验为例,例如当我们观察图5(a)时,首先感觉到的是在大面积的纹理背景上有一块“补丁”,而不是局部纹理本身,视觉处理中由粗到细的多分辨率分析也反映了这一观点;而认为局部感知优先于全局感知的视觉研究者认为,视觉感知从局部区域的特征提取开始,对它们的分析合成最终获得全局特征图,Marr视觉计算理论的2.5维要素图的构造框架反映了这一观点。Treisman的特征整合理论也体现了这一思想。全局性和局部性实质反映了尺度的大小,由于上述两种观点都有成功的仿生实验。正如Gestalt学派认为的那样,整体制约着部分的性质和意义,部分因整体的
影响而变得准确。因此我们有理由认为,全局性和局部性感知是互动的,小尺度和大尺度感知是并行的、相互作用的。另一方面,生物视觉具有小范围竞争、大范围协作的特点,例如观
察图5(b)时,局部竞争将使∩和∪区分开,而大范围协作将使“T”形从背景中提取出来。生理学的研究发现,在猫和猴的视觉皮层中,简单细胞的感受野具有一个中央正瓣,两边是两个较小
的负瓣,而再往两边是两个更小的正瓣,图5(c)是用三个不同
尺度但具有相同形状的2D高斯滤波器的叠加而成的竞争协作滤波器的响应曲面。这种竞争协作机制结构体现了不同尺度之间的相互作用。也恰好说明了小范围竟争与大范围协作。Grossberg的知觉组织理论认为小范围竞争和大范围协作是神经计算的重要原理。小范围竞争包括两种情形:相邻位置、相同定向神经细胞之间的竞争,以及同一位置、不同定向神经细胞之间的竞争,信号在经过小范围竞争处理的同时,要输人
到一个空间大范围的协作过程中,通过协作产生全局性感知,
例如形成物体的完整边界、形状等。
人类智能与人工智能 姓名：康李伟学号：2015387950721 学院：生化学院 随着信息技术的发展，人类把最新的计算机技术应用于各个学科，对这些学科的认知也进入了日新月异的发展阶段，促使大量的新的研究成果不断涌现。机器思维和人工智能在未来发展的可能性和重要性有其值得重视的一面，但机器思维只是人的思维在一定程度上的延伸和补充，而不是一种独立的思维，机器思维同人类思维二者虽然存在着一定的相似之处，但由于其思维的物质承担者不同，在智能活动中的地位和思维程序也不同，所以有本质的区别。 什么是人类智能呢？人类智能就是人类认识世界和改造世界的才智和本领。人类之所以能成为万物之灵，是因为人类具有能够高度发展的智能。它包括“智”和“能”两种成分。“智”主要是指人对事物的认识能力；“能”主要是指人的行动能力，它包括各种拔能和正确的习惯等等。人类的“智”和“能”是结合在一起而不可分离的。人类的劳动、学习和语言交往等活动都是“智”和“能”的统一，是人类独有的智能活动。意向是人类智能的一个重要方面。人的活动是有目的的、自觉的活动，一刻也离不开自己意向的主导。注意、需要、意图、情绪、意志、理想等都是人的意向活动形式。保持积极的意向、恰当的情绪和顽强的斗志等等，对人类智能的发展和发挥是十分重要的。思维是人类智能的核心。人类智能的特点主要是思想，而思想的核心又地思维。“人是一种思维的动物”，没有思维就没有人类的智能。有了思维，人类才能形成各种较复杂的意向，从而主导着人的活动，表现出人类所特有的自觉能动性。有了思维，人类才能探索自然界的奥秘，发现自然现象背后的规律。有了思维，人类才能发明各种技术，突破自己认识器官和行动器官的限制，大大提高改造世界的能力。 而人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。 人工智能的本质是对人类智能思维的模拟从方法论上讲模拟一般分为 两种结构模拟和功能模拟结构模拟方法根据系统之间形态结构的相似性运 用物理模拟和数学模拟方法用模型去模拟对象通过模型来间接地研究原型 的规律性这种传统模拟方法在科学技术的发展过程中发挥了巨大的作用。 但是当系统之间在形态和结构上相差极大，或原型的结构机制没有得到充分的理解时，结构模拟方法就很难进行对人脑进行结构模拟，就是仿照人脑的结构机制试图制造出类人脑，其模拟的前提是人脑这个原型的结构机制已有了可靠的理解。但是由于人脑这一巨大系统的极端复杂性，当代脑科学尚没
人工智能，语言与伦理-网课答案 1. 单选题深度学习中的“深度”是指( )。 中间神经元网络的层次很多 2. 单选题从儒家的立场来看,德性是靠( )的。 熏养 3. 单选题实际的翻译中有时要破坏句子原有的句法结构,根据( )重新组织句子。 意义 4. 单选题金谷武洋认为日本人是( )看待世界的。 虫子的视角 5. 单选题把归纳逻辑抬到比较高的位置的哲学家是( )。 大卫·休谟 6. 单选题在人工智能的所有子课题中,所牵涉范围最广的是( ) 自然语言处理 7. 单选题机械主义的说明方式不能囊括人类的( )。 感觉 8. 单选题 SHRDLU系统实际上是一个( )。 积木系统 9. 单选题 ( )无法得知,因为他人的行为和表现有伪装性。
10. 单选题弱人工智能是指仅仅模拟人类大脑的( );强人工智能是指其本身就是一个( )。 智能;心智 11. 单选题深度学习的实质是( )。 映射机制 12. 单选题框架与框架之间的粘接剂叫做( )。 框间关系 13. 单选题影响基于中间语的机器翻译思路的哲学家是( )。 莱布尼茨 14. 单选题深度学习的数据材料来源于( )。 互联网 15. 单选题语言不仅仅是句法问题,更是( )的问题。 音韵 16. 单选题提出强人工智能与弱人工智能的人是( )。 约翰·塞尔 17. 单选题塞尔论证的合法性前提是,他的中文屋系统和一般的计算机系统之间是( )。 同构的 18. 单选题计算机之父是( )。 艾伦·图灵 19. 单选题人工智能作为一门学科的建立时间是( )。
20. 单选题德性论者关心的是( )。 道德主体 21. 单选题击靶德性论致力于将“德性”兑换成平时我们所经常用到的( )。 德性名目 22. 单选题深度学习归根结底是一个( )。 映射机制 23. 单选题提出强人工智能与弱人工智能的人是( )。 约翰·塞尔 24. 单选题下列属于基于统计的自然语言处理进路的是( )。 基于贝叶斯公式 25. 单选题 ( )的思想激发了基于中间语的机器翻译思路。 莱布尼茨 26. 单选题 ( )是非常接近欧陆现象学运动的语言学流派。 认知语言学 27. 单选题基于规则与统计的混合进路的日然语言处理进路背后的哲学根据是( )的哲学。 康德 28. 单选题量词在汉语中的演化史,以( )时代作为一个重要的转折点。 两汉
2016秋《自然辩证法概论》课程期末论文 班级__ 学号__ 姓名__ 开课学院马克思主义学院任课教师_ 成绩________
人工智能对人类未来社会的影响 摘要：近年来，由于“深度学习”神经网络的提出，突破瓶颈的人工智能迅速发展，各大科技公司也纷纷布局。人工智能逐渐融入人们生活，并极大的促进了社会发展，同时其飞速的发展也引发了人们对于人工智能未来与人类关系的忧虑。 关键词：人工智能人类未来 一、人工智能的发展 今年全球最热门的词汇，“人工智能”无疑是其中之一。前不久谷歌AlphaGo与李世石的围棋人机大战,是继1997年IBM计算机“深蓝”战胜人类国际象棋冠军之后，人工智能领域的又一重大里程碑。提到人工智能，因为受科幻小说或电影的影响，大多数人会想到屠杀人类的机器人大军，但就其本质而言，人工智能是对人的意识、思维的信息过程的模拟，现代人工智能主要依靠数据和算法。1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。随后，人工智能与众多学科产生融合并飞速进展，但在90年代暴力破解需要的呈指数增长的计算量使人工智能发展陷入僵局。直到2006年“深度学习”神经网络的提出，才取得了突破性进展。深度学习算法体现出来的高性能，掀起了新一代人工智能技术的革新浪潮。“近年来，谷歌、微软、IBM、 百度等拥有大数据的高科技公司相继投入大量资源进行深度学习技术研发，在语音、图像、自然语言、在线广告等领域取得显着进展。”[1] 二、人工智能对现代人类社会的影响 人工智能在我们的生活中早已是随处可见，例如，大多数智能手机上都有的语音助手，使用搜索引擎时跳出的快捷项等。人工智能也对社会生产产生众多影响，例如，富士康每年计划打造1万台机器人同时裁掉6万员工，报社使用人工智能进行简单的新闻编辑，甚至有机构在研发已在研发能写药物处方的算法。“技术的社会价值可以表现为积极的正面价值，推动社会发展增进人类幸福，但也可以表现为消极的负面价值，给社会带来诸多风险。”[2]人工智能在初步发展阶段会极大的造福人类，这也正是人类研发其的原因，但也有人担心现阶段人工智能带来的问题，如失业，对科技的依赖等。首先，对于失业，新闻编辑，富士康员工，药师等人员所做的重复性工作由人工智能代替可以把人类从繁重的劳动中解放出来，提高生产生活的效率和质量。被替换掉的人力资源可以进行更高级的生产，促进社会进步。当年工业化刚开始的时候也曾出现过这样的忧虑，现在看来那时的忧虑完全没有必要，现在情况依旧如此。当然让人们放弃熟悉的事物做出改变是比较困难的，却也是无法违背的。其次，对科技的过分依赖，生活中经常听到不要过度的使用手机这类“善良”的劝告，但在我看来，经常使用手机是必须的。手机是当前人与人连接最高效的方式，在信息时代线上生存是大势所趋，如有必要，时刻保持在线。现在只是处于过渡阶段，虽然人们已经通过手机连接，但线下生活依旧是主流，所以在习惯于线下生活的较年长人的眼里，花费大量时间看手机是不务正业。认识趋势，看到趋势，顺应趋势才是明智得做法。所以老师们不应徒劳的去劝说同学们上课不要看手机，而应积极地结合趋势寻找新的传授知识的
走进认知语言学 摘要：认知语言学是近年来语言学的研究热点，它是在新的哲学观和认知观基础上，以人们对世界的经验和对世界进行感知和概念化的方法来研究语言的新兴语言学科。本文从认知语言学的产生发展、定义、基本假设、基本理论和研究方法五个方面浅谈了对该理论的认识和理解。 关键词：认知；认知语言学；现代汉语 语言是人类最重要的交际工具和进行思维的工具，为了让语言更好的为人类的交际活动服务，我们必须要研究语言，从不同的角度研究语言，运用各种各样的理论和方法来研究它的方方面面，这是一个漫长而艰难的过程。作为一名在读的汉语言文字学专业的研究生，我需要掌握各种语言理论知识，不仅要了解旧的语言理论，更要关注最新的学术问题，为以后的现代汉语的学习研究打下扎实的理论基础。在语言理论的课堂上，我第一次认识、了解了一种新的语言理论——认知语言学。 一、我对认知语言学的认识 认知语言学是从二十世纪六十年代产生，经过了七八十年代的发展，形成的一个系统而完整的理论体系。认知语言学理论的产生与当时科学理论的大背景是一致的。随着计算机时代的到来，认知科学应运而生，它是一门综合学科，涉及计算机自然语言理解、人工智能语言学、心理学、系统论等多种学科，这其中也包括了认知语言学。 （一）认知语言学的产生与发展 认知语言学发端于20世纪70年代，自80年代中期以来，它的研究范围已扩展到了语言学的各个领域。认知语言学最初是针对“语义”的研究提出来的。美国生成学派以Langacker为首的语义学家们认为语义部分才是句法生成的基础,他们从底层语义关系的研究中得出结论，认为自然语言的句法不是自主的，不能独立于语义，而语义也不能独立于人的认知。至此,他们摆脱了乔姆斯基的句法形式研究，走上了认知语言学的道路，成为了认知语言学的奠基人。
大学研究生学位课程论文 课程名称：科学技术与社会 论文题目：浅议人工智能对社会发展的影响 浅议人工智能对社会发展的影响 内容摘要：人工智能作为20世纪以来发展极为迅速的一个学科领域，其对社会的影响也越来越引起人们的重视。本文试图从STS的角度着重说明人工智能对人类的经济利益、社会和文化生活 等方面的影响。 关键字：人工智能、经济利益、社会和文化生活 人工智能，也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。人工智能的研究及应用领域包括问题求解、逻辑推理与定理证明、自然语言理解、自动程序设计、专家系统、机器学习、人工神经网络、机器人学、模式识别、机器视觉、智能控制、智能检索和智能调度与指挥等等。自人工智能出现以来，科学家们在这些领域的研究已经取得了非常惊人的成果，同时，这些人工智能研究成果也证明了在某一特定方面计算机可以超越人的能力。人工智能的发展已对人类及其未来产生深远影响，这里我们抛开其对科学技术发展中的作用不谈，从STS的角度着重说明这一技术对人类的经济利益、社会和文化生活等方面的影响。 一、人工智能对经济发展的促进 人工智能系统的开发和应用，已为人类创造出可观的经济效益。科学家要发展人工智能技术是需要很大的投入的，咋看起来不仅没有促进经济的发展，反而是在大量消耗着资金。其实，在当今时代，技术的发展是以人类的意志为转移的，人类开发人工智能最主要的目的还是要为人类服务，当然经济利益的回报，无疑是最直接最有效的，尤其是对企业而言，如果这个技术能为其带来高额的经济利益，那无疑会得到优先的发展。 人工智能对经济的促进作用不单是对个别企业和行业，随着计算机系统价格的继续下降，人工智能技术必将得到更大范围的推广，产生更大的经济效益。专家系统的应用就是一个很好的例子。 一般的说，专家系统是一个智能计算机程序系统，其内部具有大量专家水平的某个领域的知识与经验，能够利用人类专家的知识和解决问题的方法来解决该领域的问题。
人工智能读书报告要求： 此读书报告是在读书提纲基础之上撰写完成。 要求： 一、内容： 1、你所读的书目，作者、出版社等基本信息； 要求：所读书目与你所选的课题有关。 2、你所重点精读的章、节、标题及主要讲述的内容。 要求：章、节、大小标题可采用原文，但所学的或收获的内容要点要求自己语言概括，每部分字数不少于200字） 3、思考与质疑部分： 包括对提纲中所不懂的内容的进一步学习；所提问题的回答；所质疑问题的进一步探讨。 本部分字数不做具体要求，多则多写，少则少写。 贴士：此部分需要同学们扩展阅读，寻找资料，自主学习，积极探寻，完成对自己疑问的解答。在此过程中，欢迎同学们与我讨论交流。 6、对本次读书的小结，要求：不少于1000字。 可包括： 你对本次阅读主要研究内容、方法及总体认识及未来发展方向的展望等。 你的评价、思考、质疑等。 或者你的想象，你的收获等。 二、格式要求：
大类通识课程读书报告Array 课程人工智能与认知科学 姓名 学号 教师杨丽华 日期2014年**月**日
《人工智能与认知科学》课程读书报告成绩评定表学号姓名
报告题目（黑体二号） 姓名学号（宋体小四）阅读书目：（宋体加粗小四，下同） 编者： 出版社： 报告正文： 第一层次（章）（题序和标题用小二号黑体字） 第二层次（节）（题序和标题用小三号黑体字） 第三层次（条）（题序和标题用四号黑体字） 第四层次正文用宋（或楷）体小四号 （英文用新罗马体12号） 思考及质疑：（宋体加粗小四） 正文用宋（或楷）体小四号页面设置：注意装订线，页码一律用小5号居中标明。小结（小二号黑体字） 其他同章、节、条及正文要求。 参考文献：（宋体加粗小四） 顺序要根据引用先后顺序排列，序码用[1][2]。格式如： [1] 余敏. 出版集团研究[M]. 北京：中国书籍出版社，2001: 179-193. [2]蒋有绪，郭泉水，马娟，等. 中国森林群落分类及其群落学特征[M]. 北京: 科学出版社，1998.
《人工智能语言与伦理》章节测试题与答案 1.1 1.【多选题】对人工智能常见的误解有哪些?( ) A、人工智能就是机器学习 B、机器学习只是人工智能中的一个方向 C、人工智能最近十年受到深度学习的驱动较多 D、人工智能就是深度学习 答案：AD 2.【判断题】哲学思维对于人工智能的重要性表现在,哲学所强调的批判性思维有助于认清人工智能发展中的问题。( ) 答案：√ 3.【判断题】深度学习在人工智能领域的表现并不突出。( ) 答案：× 1.2 1.【单选题】计算机之父是( )。
A、约翰·麦卡锡 B、艾伦·图灵 C、赫尔伯·西蒙 D、马文·明斯基 答案：B 2.【单选题】人工智能与计算机学科的关系是( )。 A、计算机学科的主要驱动力是人工智能研究 B、计算机是人工智能研究的一个领域 C、人工智能是计算机学科的一个分支 D、人工智能与计算机学科没有联系 答案：C 3.【判断题】符号AI是将人的思维通过逻辑语言制成流形图让计算机去执行。( ) 答案：√ 4.【判断题】通用问题求解器需要寻找全局最优解。( ) 答案：×
5.【判断题】符号AI无法面对人类经验的变动性。( ) 答案：√ 1.3 1.【单选题】( )是现在新出现的人工智能的研究方向。 A、深度学习 B、人工神经元网络 C、贝叶斯网络 D、类脑人工智能 答案：D 2.【单选题】深度学习中的“深度”是指( )。 A、计算机理解的深度 B、中间神经元网络的层次很多 C、计算机的求解更加精准 D、计算机对问题的处理更加灵活 答案：B
3.【多选题】人工神经元网络与深度学习的关系是( )。 A、人工神经元网络是深度学习的前身 B、深度学习是人工神经元网络的一个分支 C、深度学习是人工神经元网络的一个发展 D、深度学习与人工神经元网络无关 答案：AC 4.【判断题】符号AI不是人工智能的正统。( ) 答案：× 5.【判断题】相比于人工神经元网络和深度学习,类脑人工智能对人类大脑的神经回路具有更深入的了解。( ) 答案：√ 1.4 1.【单选题】深度学习的实质是( )。 A、推理机制 B、映射机制 C、识别机制
人工智能的认知革命 国际上有很多非常有影响力的大牛或者是大咖论述过这个问题。例如，最伟大的科学家之一霍金讲：“人工智能不一定是好事。”比尔盖茨也说：“人工智能让我比较担忧。”最新的创业偶像马斯克说：“我们需要万分警惕人工智能，它们比核武器更加危险。”我们把他们叫做“人工智能威胁派”。
而另外一方面，业界有很多人，包括在座的很多专家，大家其实从另外一个角度看待人工智能，我们把他们叫“人工智能的理智派”。比如，机器学习大神Michael Jordan，Facebook的Yann Lecun等。
可以看到有一个问题是大家都关心的，那就是机器什么时候能实现智能的突破？我们知道，计算机出现到现在大概70年左右。那么我们就要问一下，人类的智能是怎么突破的？非常有意思的是，人类历史学家对这个问题研究了很长时间，而且已经得出了结论。以色列的一位年轻的历史学家尤瓦尔.赫拉利的《人类简史：从动物到上帝》中写到：七万年前，从非洲大陆走出来的智人实现了“奇点”的突破，占领了整个世界。 所以大家就会想知道，七万年前来自非洲的猿人到底发生了什么，好像智力一下子突然开窍了，统一了地球呢？猿人在地球上已经存在了300到400万年了，到7万年前才实现了智能的突破，这里面是一个非常长的时间。而计算机出现的时间刚刚只有几十年的时间，和猿人产生智能的时间周期相比，计算机刚刚度过的时间只能算一瞬间。
最近讨论比较热的一个话题是，神经科学对人工智能发展促进的可能性。最近这两年，美国政府已经顺利完成人工基因测序的研究。美国和欧洲正在开展一个新的为期十年的40亿美金的基础研究投资，美国叫“大脑图谱”，欧洲叫“人类大脑项目”。在这个方面，我国各个方面也在积极推进“中国脑计划”，比如中科院卓越创新工程里面，也涉及了这方面的研究。
人工智能 摘要：人工智能（Artificial Intelligence）是用人工的方法和技术模仿、延伸和扩展人的智能，实现某些“机器思维”，本文在阐述人工智能定义的基础上，具体介绍人工智能的应用技术。 关键词：人工智能；机器思维；符号智能 本学期我们学习了人工智能导论这门课，该课程主要研究如何用计算机模仿和实现人类的智能。人工智能是使计算机能够思维，使机器具有智力，能够在各类环境下像人一样自主的交互式的执行各种任务的一种综合性的技术。下面我将对我所认识的人工智能技术做一个简要的概述。 人工智能技术是包含符号智能、计算智能、集成智能和分布智能等在内的智能科学技术。它一方面用于建立人类智能模型，一方面用于建立智能（专家的）计算机系统。这两者之间既有联系，又不是同一回事，它如同研究鱼类游走与船只运行一样。计算机程序（语言）是建立人类思维过程理论最适宜的表达工具，就像各种微分方程式是物理学理论的表达语言一样。当计算机的程序把一个复杂符号系统的状态和时间轨迹描绘出来时，也正像一组微分方程式把物理理论过程描述出来一样，可以说是建立了一个符号系统的理论。从生物的观点来看，智能实际上是在生物的遗传、变异、生长以及外部环境的自然选择中产生的。在用进废退、优胜劣汰的过程中，适应度高的（头脑）结构被保存下来，智能水平随之提高。基于这种认识，我们采用数值计算的方法去模拟和实现人类的智能。通过神经计算、进化计算、模糊计算、免疫计算、DNA计算和人工生命构成计算智能系统。由于人本身的复杂性行为，需要使用某种已有的智能技术才能模拟，像一些低等动物如六脚爬行动物使用某种智能技术（如遗传算法）即可模拟其行走捕食等行为，对人行为的模拟再结合智能计算方法可以出现各种复杂的智能系统。在逻辑上和物理上协调各自的智能行为，实现人工智能问题的程序化求解。因此，计算机程序就具有了思维的能力。从这个观点来看待人类的思维模拟过程，计算机就可以模拟人类思维说明许多难以说清楚的现象，如直觉、顿悟和灵感等。人工智能方法需解决不完全信息处理、机器学习、复杂系统构造和自动化等方面的问题。为此，“现场人工智能”的概念被提出，强调研究人工智能问题，必须把它放在应用环境中，与环境交互作用，才能构造出实用化的系统。 人工智能是一门正在快速发展的年轻学科，它的研究和应用领域十分广泛，对其中的不少问题专家们还在深入研究，其前景诱人，但又任重而道远。 参考文献：王万森.人工智能原理及其应用.北京：电子工业出版社，2010 Artificial Intelligence Abstract: AI (Artificial Intelligence) is to use artificial methods and techniques to imitate , extension and expansion of human intelligence ,to achieve some of the “machine thinking” . In explaining the basis of the definition of artificial intelligence , it detailed analyses the application methods . Key words: Artificial Intelligence ；Machine Thought ；Symbol Smart
认知科学的几个基础假设 刘晓力 一、认知科学概况 认知科学是以研究人类认知过程、智能和智能系统、大脑和心灵内在运行机制的一门学科。20世纪70年代(50年代？)兴起，是心理学、语言学、神经生理学、计算机科学、哲学和人类学的交叉学科。 认知科学不同的研究进路 认知科学依据不同的问题领域和研究方法划分为不同的研究进路 心理学进路 语言学进路 生物物理学进路 神经生理学进路 人工智能进路 广义进化论进路 复杂性科学进路 认知科学的起源 认知科学起源于不同学科领域，特别是： 图灵机概念的产生 人工智能研究的兴起 心灵哲学中以普特南（H.Putnam）和福多（J.Fodor）为代表的“功能主义”理论的确立 心理学和语言学乔姆斯基（A.N.Chomsky）等反对激进行为主义的“认知革命” . 认知科学所引发的一些基础问题成为20-21世纪之交涉及领域广泛、争论最为激烈的世界性的科学和哲学的热点问题。认知科学不同的研究进路，决定了关于它的哲学观上的巨大分歧和各种研究范式的激烈竞争。 二、认知科学的几个基础假设 D.Kirsh （1991）提出认知科学（人工智能）的五大问题 1）知识和概念化是人工智能的核心吗？ 2）认知能力及其所预设的知识能否脱离其有机体进行研究？ 3）认知的知识形态或信息形态的轨迹是否可用类自然语言描述？ 4）学习能否与认知相分离加以研究？ 5）是否有对于所有认知的统一结构？ 这些问题最重要的是我们对于心灵哲学中的三个方面问题的困惑和困难 1、意向性问题 2、意识问题 3. 心灵是否是涉身的？ Mark Johnson总结30年来认知科学的成就对传统哲学的挑战时说，认知科学的三大发现是：心灵本质上是涉身的； 思想大部分是无意识的；
认知语言学不是什么和是什么 浏览了“北大中文论坛- 汉语语言学- 认知、心理与逻辑” （https://www.doczj.com/doc/5118978460.html,/bbs/forum.php?fid=83）的一些关于认知语言学的贴子，觉得 “认知语言学”这个名称算得上个难以躲避的陷阱了，太容易引人望文生义了。认知语言学不是什么和是什么，还是个问题。这个问题，我每次教认知语言学，都要碰到。例如这个学期开的课，是“汉语认知语言学”。第一次课的一个重点，就是讲认知语言学不是什么和是什么。第二次课一开始，我就问了一个问题：认知语言学是不是类似于心理语言学的语言学分支学科？每个学生的回答都是：是的，是从认知角度研究语言的学科。这样的回答，让我悲伤地想到：第一次课对此问题的唠叨毫无效果，跟他人的思维定势搏斗，何其吃力。没有办法，只好变本加厉地唠叨。 简而言之，正确答案是：认知语言学不是语言学的分支学科，而是当代语言学的一个学派。它是功能主义语言学这个大学派中的小学派。这个大学派还包括不少小学派，如西海岸学派（学者主要在美国西海岸的加州。代表性学者之一是也做汉语的安珊笛。专做汉语的李讷也属于此学派）、俄勒冈学派、系统功能语法学、词语法学等。这个大学派是当代语言学两大对立学派之一，另一大学派就是形式主义语言学（包括古典形式主义——结构主义语言学和当代形式主义——生成与法学）。这两大学派的最大基本假设对立，是语言系统及其子系统（广义句法系统[包括传统的语法和词汇]、语音系统、广义语义系统[包括狭义语义系统、语用系统、话语系统]）是不是自足的。形式主义语言学的假设是自足的，功能主义语言学的假设是不自足的。 认知语言学与功能主义语言学中的其他小学派有不少差异，如着重语言的心理因素，不同于系统能语言学等学派的着种语言的社会因素，并在上世纪80年代后期建立了三个类似的心理[广义]句法模式（Lakkof 的《女人、火和危险的东西》、Langacker的《认知语法学基础》第一卷、Fillmore和Kay的《结构式语法学教科书》）；主张意义是百科知识，不同意把语义系统分割为语言知识的狭义语义系统和百科知识的语用系统；主张主观论（如语义塑造等过程中的主观作用），不同意某些功能主义学者（如安珊笛）的客观论。尽管认知语言学着重语言的心理因素，但它并非只考虑心理因素，不能把它缩水为从认知角度研究语言。从认知（或心理）角度研究语言，是当代语言学各学派的普遍倾向，并非认知语言学的专利。R. Hardson 在《英语词语法学》的开头列出了当代语言学的10个倾向，其中之一就是“认知主义”。当代语言学的认知主义倾向，是其教父Chomsky从一开始就提出的。他早已有力地批驳了结构主义语言学的行为主义倾向，把语言假设为认知子系统。 “认知语言学“这个名称，为什么容易引人望文生义呢？大概是因为有“认知”这个时髦译名，而且这玩意儿加在“语言学”前面，让这个名称看起来像心理语言学、社会语言学、计算语言学等现役的或退役的边缘学科或交叉学科（如前二者早已是语言学的核心学科了，但曾经是边缘学科）。“认知”译自英语名词cognition或形容词cognitive。老的译名就是“认识”，没什么神秘色彩了吧：）。传统上把心理活动分为三类：认识、情感和意志。三者之中，只有认识得到了密集研究。汉语的“认识”，原是个多义的常用词，再做术语，有容易引人望文生义的缺点。新造个“认知”译名做术语，有好处。再者，用“认识”来译cognitive 打头的名称，就会有容易误解为动宾结构的“认识心理学”（认知心理学）、“认识科学”（认知科学）、“认识语言学”（认知语言学）、“认识语义学”（认知语义学）、“认识语法学”（认知语法学）、“认识音系学”（认知音系学）、“认识人类学”（认知人类学），也不如新造个“认知”来译。 认知主要指人类的信息加工杨宁兄提出了一个很好的问题。认知语言学确实有被时髦地滥用的倾向。认知语言学确实和心理语言学有很大交叉。但是想一想“认知心理学”这个词，就可以知道两者不同。有“认知心理学”而没有“心理认知学”，可见认知科学可以看作心理学一部分。两者的不同，可以说认知科学主要把认识过程看作一种信息处理加工过程。所以“认知”也不等于一般的“认识”。我们用“认知”的场合不用“认识”，原因也不仅限于杨宁兄所说的。 认知科学的主要奠基人George Miller 的名著：“神奇的数字7+2”，其副标题就是“人类信息加工能力的某些局限”(此文我翻译后发表在《心理学动态》1983(4)期)。这篇文章的英语 原文前几年有被人贴到了网上(https://www.doczj.com/doc/5118978460.html,/user/smalin/miller.html)。可见此文的地位之重要。现在许多人常常提到这个数字七，我不知道有多少人看过了原文或译文。但大家接受它，可见符合我们的心理直觉。Miller 在发表此文的同时，发表了另一篇重要文章：“人类记忆与信息贮存”此文我翻译后发表在，《思维科学》1986(1)期。这个杂志是山西出的，英文题目就叫Cognitive Science 。不知这个杂志现在还在不在？ 不过后来认知科学的发展，范围越来越大，认知语言学跟心理语言学也就越来越难分了。我觉得认知语言
人工智能与认知过程 摘要： 人工智能是研究、设计和应用智能机器或智能系统，来模拟人类智能活动的能力、以延伸人类智能的科学。而认知过程是指人们认识活动的过程，即个体对感 觉信号接收、检测、转换、简约、合成、编码、储存、提取、重建、概念形成、 判断和问题解决的信息加工处理过程。为了能够更好地实现人工智能，首先要 对两者之间建立一定的联系。 关键词人工智能；认知过程；神经网络 前言 人工智能是当前科学技术发展中的一门前沿学科，是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等多种学科研究的基础上发展起来的，是一门综合性很强的边缘学科。总的来说，人工智能是一门研究如何构造智能机器或智能系统，使它能模拟、延伸扩展人类智能的学科。想要很好地实现人工智能，必须要对人脑工作方式进行充分的了解，因此，对认知过程需要有充分的认识。 人的认知过程是一个非常复杂的过程，指人认识客观事物的过程，即是对 信息进行加工处理的过程，是人由表及里，由现象到本质地反映客观事物特征 与内在联系的心理活动。它由人的感觉、知觉、记忆、思维和想象等认知要素 组成。 一、人工智能 1.人工智能：用人工的方法在机器（计算机）上实现的智能；或者说是人们使 机器具有类似于人的智能。历史发展史：①孕育（1956年之前）；②形成（1956年－1969年）[1969年第一届国际人工智能联合会议，1979年成立美国人工智能联合会]；③发展（1970年至今） 2.人工智能研究的基本内容： ①知识表示——人工智能的永恒主题：将人类知识形式化或者模型化。知识表示方法：符号表示法、连接机制表示法；
②机器感知：使机器（计算机）具有类似于人的感知能力。以机器视觉(machine vision)与机器听觉为主。 ③机器思维：对通过感知得来的外部信息及机器内部的各种工作信息进行有目 的的处理。 ④机器学习：研究如何使计算机具有类似于人的学习能力，使它能通过学习自 动地获取知识。 ⑤机器行为：计算机的表达能力，即“说”、“写”、“画”等能力。 二、人工智能模拟认知过程所涉及的相关知识 1、知识表示及推理 知识表示是指把知识客体中的知识因子与知识关联起来，便于人们识别和理解知识。 ①产生式的基本形式 一般形式：PQ 或IFPTHENQ 语义：如果前提P被满足，可推出结论Q或执行Q所规定的操作。P是前提,Q是 结论或动作,前提和结论可以是由逻辑运算符AND、OR、NOT组成的表达式。 例IF上课认真听讲AND下课及时复习 THEN将会取得好成绩 ②常见的知识表示方法：产生式系统，框架结构，语义网络，过程性知示，面向对 象知识表示，基于本体的知识表示法，产生式的基本形式 ③产生式系统的基本结构 规则库：描述领域知识的产生式规则集 综合数据库：记录求解（或推理）过程中各种信息的数据结构 推理机：负责匹配到得出结论的整个问题求解过程. ④产生式表示法的优点和缺点 优点：a.自然性知识表示形式自然，便于推理。b.模块性便于进行模块化处理， 利于规则库的扩展和管理。c.有效性可以表示不确定性知识和确定性知识。d.直观 性前提和结论部分非常直观，便于对规则进行设计。 缺点：a.效率不高；b.不能表达结构性知识。 ⑤框架的一般形式：
浅议人工智能对社会发展的影响 摘要人工智能的出现，给社会发展带来了更多有利的影响，对于人们生活的改善有大的作用。以智能导盲系统为例，其就像盲人的另外一双眼睛，让盲人能够更好地自理自己的生活。本文主要对智能导盲系统的发展进行了相关研究。 关键词人工智能；智能导盲系统；科技发展 引言 随着科技、电子技术以及计算机普及，这些应用到人们的日常生活中，促进了人们生活的不断改变，仅仅依赖于计算机技术以及没法适应人们日益增长的生活所需求。由于计算机技术不仅仅是提供智能化的服务，并且也能提供更加接近人的哪种理性化的需求，只有采用这种方式才能满足人们日常的需求。随着人工智能水平不断提升，人工智能技术被广泛应用到社会的各个方面，并且相对于其他技术，人工智能技术的优势更加明显[1]。 1 人工智能的定义 其实人工智能在很久以前已经被很多学者论证过，证明很早就出现。早在1957年，美国计算机协会主席就在华盛顿的一次计算机高峰论坛会中指出“人工智能”这个词。尼尔逊教授在哈佛大学对于人工智能的定义为：“人工智能是关于知识的学科一一怎样表示知识以及怎样获得知识并使用知识的学科”[2]。但是给出不同结论的美国著名的马生灵大学温斯顿教授认为：“人工智能就是研究如何使用计算机去做过去只有人才能做到的智能工作”。因为人类的智能存在并非偶然性，也并非单一性，而是智能的研究是由多个方面共同体构成的，并且共同作用的结果，并且每个学科都具有其自身的研究背景以及研究环境组成，对于人工智能的理解不同，那么因在其基础上提出的观点不一样。对于这些的总结得出，直到目前位置还没有统一的对于智能的定义的标准[3]。 2 智能导盲系统的发展 就当前世界各地所研制的多模式盲人辅助路径的诱导模式来分析，就简单的电子式辅助行进模式到较为复杂的导盲机器人再发展到现在比较智能的导盲拐杖，特别是在近几年的非常智能化、系统化的导盲系统的开发成功给盲人带来第二双“眼睛”，能让盲人在数字化环境下得到更加出行便捷化，并且生活质量更好[4]。 2.1 移动式导盲机器人 导盲机器人属于服务型机器人范畴，是为视觉障碍者或盲人提供环境导引的辅助工具，通过多种传感器对周围环境进行探测，将探测的环境信息反馈给用户，以便用来弥补他们视觉信息的缺失。移动式导盲机器人作为新生的计算机控制领
1谈谈你对人工智能的看法？人工智能是21世纪世界三大尖端技术之一，它在社会生产生活中起到了无可替代的巨大作用，它研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统。作为计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，它是多种学科互相渗透的一门综合性新学科，是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，用以延伸人们智能的科学。 2）在我看来，人工智能可以分成两个部分来理解，即“人工”和“智能”。人工，自然就是一些人力所能做到的事情，由人去完成活动。智能，应该理解为智慧和能力。既然走智能平台之路，就必须做到两点：一、通过向开发者开放免费的API 接口，方便导入后台数据库；二、平台具备自我学习能力，不断完善信息和丰富数据库。3）人工智能的本质就是机器自学习的过程。机器学习包括两大模块：一是数据来源，即大数据；二是数据处理方式，即机器学习算法，机器在自学习过程中两大模块同时运行。深度学习是机器学习研究中的全新领域，主要为建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据。深度学习能增强机器学习的能力，整个机理得到大幅改进。4）但受限于技术瓶颈，目前人工智能远未到达成熟的地步。人工智能一旦做成，将对现有移动互联网产品商业模式产生巨大的颠覆，甚至很多移动互联网、互联网产品将不复存在。它的到来，将改变现有的购物、聊天和通信方式，甚至对社交产生冲击。5）基于大数据的分析和处理的人工智能能实现精准推荐。但用它来模拟人工存在较大瓶颈，即模拟不出情感、道德等人类特有特征，最根本的解决办法是基于生物计算机去变革，这是人工智能演化必经的基础性变革。以上就是我对人工智能的看法。 2谈谈你对智能机器人的看法？智能机器人是当前人工智能领域一个十分重要的应用领域和热门的研究方向，它直接面向应用，社会效益强，发展非常迅速。它的研制几乎需要所有的人工智能技术，而且还涉及其他许多科学技术部门和领域。作为人工智能的理想研究平台,它是一个集感知、思维、效应等多方面全面模拟人的机器系统，但其外形不一定像人。它是人工智能技术的综合试验场。可以全面地考察人工智能各个领域的技术。其能力和水平已经成为人工智能技术水平甚至人类科学技术综合水平的一个表现和体现,研究它们相互之间的关系还可以在有害环境中代替人从事危险工作、上天下海、战场作业等方面大显身手。2）智能机器人作为第三代机器人，具有感知、识别、推理、规划和学习等智能机制, 其中，感知本身, 就是人类和动物所具有的低级智能。智能机器人可以把感知和行动智能化结合起来。它的智能分为两个层次:第一即具有感觉、识别、理解和判断功能;第二即具有总结经验和学习的功能。3）智能机器人技术将会沿着自主性、智能通信和适应性三个方向发展。移动功能是智能机器人与工业机器人显著的区别之一。智能机器人的生命在于创新, 开展仿生机构的研究, 可以从生体机构、移动模式、运动机理、信息处理与综合, 以及感知和认知等方面多层次得到启发。智能机器人的发展必将伴随着智能化算法的不断涌现，模糊控制、神经网络、遗传算法以及它们的相互结合也是智能机器人研究热点之一。由于智能机器人工作环境复杂度和任务的加重, 人类对其要求不再局限于单台智能机器人, 在动态环境中多智能机器人的合作与单个机器人路径规划要很好地统一,才能更好实现智能化。由于智能机器人的造价太高，所以至今无法普及。不过，总有一天，智能机器人将会伴着我们的生活，为我们的生活带来方便。 3、谈谈你对专家系统的看法？专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。ES的理论和技术不断发展，应用渗透到几乎各个领域，包括军事、法律、商业、计算机设计和制造等众多领域，开发的专家系统，其中不少在功能上已达到，甚至超过同领
人工智能值得注意的三个研究方向 李德毅1刘常昱2 （1 中国电子系统工程研究所，北京，100840 2 解放军理工大学，南京，210007） Three Directions Need to Pay More Attention to in Artificial Intelligence Studies LI De-yi1 LIU Chang-yu2 (1 China Institute of Electronic System Engineering, Beijing, 100840 2 Department of Information Operation and Training of PLA National Defense University,Beijing,100091) 摘要：人工智能在模式识别、知识工程、机器人等领域已经取得重大成就，但是离真正的人 类智能还相差甚远。本文阐述新世纪人工智能科学有三个非常值得关注的研究方向。强调要 在学科交叉研究中实现人工智能的发展与创新，要关注认知科学、脑科学、生物智能、物理 学、复杂网络、计算机科学与人工智能之间的交叉渗透，尤其是重视认知物理学的研究；自 然语言是人类思维活动的载体，是人工智能研究，尤其是知识表示无法回避的直接对象，要 对语言中的概念建立起能够定量表示的不确定性转换模型，发展不确定性人工智能；要利用 现实生活中复杂网络的小世界模型和无尺度特性，把网络拓扑作为知识表示的一种新方法， 研究网络拓扑的演化与网络动力学行为，研究网络化了的智能，从而适应信息时代数据挖掘 的普遍要求，迎接人工智能科学与应用新的辉煌。 关键词：学科交叉，认知物理学，数据场，云模型，网络化智能 从1956年著名的达特茅斯（Dartmouth）会议算起，人工智能学科诞生已有50年的历史，先后出现有逻辑学派（符号主义）、控制论学派（联结主义）和仿生学派（行为主义）。符号主义方法以物理符号系统假设和有限合理性原理为基础，联结主义方法以人工神经网络和进化计算为核心，行为主义方法则侧重研究感知和行动之间的关系。这些理论和方法在模式识别、知识工程、机器人等领域取得伟大成就，极大地推动了科技进步和社会发展。专家系统、智能控制、数据挖掘、智能机器人、智能社区随处可见，改变了我们的生活。有人把人工智能与基因工程、纳米科学被并称为21世纪三大尖端技术。 人工智能自诞生之日起就引发了人们无限美丽的想象和憧憬，但人工智能的发展过程也存在着不少争议和困惑：什么才算是真正的“智能”？为什么再高级的电脑、再智能的机器与人类的智能相比仍然那么幼稚？为什么人工智能与人们最初的想象和期望仍然相距甚远？未来的人工智能发展方向中那些更值得我们更多地关注？ 最近十几年来，我们在国家自然科学基金项目、国家863计划、973计划的支持下，围绕不确定性人工智能做了一些研究工作。这些研究正走向一个有机的整体，把许多重要的、但又是局部的结果，统一到一个令人满意的框架内。这些研究也让我们深深陷入了对人工智能未来发展方向的思考。 1在交叉学科研究中实现人工智能的创新 人工智能虽然常常被划分为计算机科学或自动化的一个分支，但它的研究范畴一直是很 本文受国家自然科学基金资助（项目编号60496323） 作者简介: 李德毅(1944－)男,江苏泰县人,博士生导师,中国工程院院士,主要研究领域为人工智能,指挥自动化，复杂网络等;刘常
2020凉山州公需科目信息化、人工智能发展 对就业与工作的影响专题答案（二） 二、多选题 1.本课程讲述了“亚洲四小龙”包括哪些国家和地区？（）。（0.5分） A.中国台湾 B.中国香港 C.韩国 D.新加坡 E.越南 我的答案：A,B,C,D √答对 2.根据本讲，我国经济增长、科技发展、社会进步最主要有哪些因素？（）。（0.5分） A.教育 B.体制 C.道路 D.需求 E.科技 我的答案：B,C,D,E √答对 3.本课程讲述了国民经济有哪两大支柱？（）。（0.5分）
A.外贸企业 B.跨国公司 C.外资企业 D.民营企业 E.国有企业 我的答案：D,E √答对 4.本课程讲述了中国成功发展背景下的技术进步包括哪些内容？（）。（0.5分） A.长期经济增长 B.持续发展动因 C.技术引进升级 D.适逢科技革命 E.科技创新迭代 我的答案：A,B √答对 5.本课程中讲述了中国成功发展背景下的哪些技术进步内容？（）。（0.5分） A.长期经济增长 B.持续发展动因 C.技术引进升级 D.适逢科技革命 E.科技创新迭代 我的答案：C,D,E √答对
6.根据本讲，劳动需求量由哪些要素计算？（）。（0.5分） A.总有效供给 B.劳动时间 C.总有效需求 D.技术装备水平 E.劳动效率 我的答案：C,D,E √答对 7.本课程讲述了世界上最伟大的哪三位经济学家？（）。（0.5分） A.亚当斯密 B.罗斯托 C.恩格斯 D.马克思 E.凯恩斯 我的答案：A,D,E √答对 8.本课程中，一般来说哪些类型的失业不影响充分就业？（）。（0.5分） A.摩擦性失业 B.自愿性失业 C.技能性失业 D.技术性失业 E.需求性失业